Utmaning: Skapa en Komplett ML-Pipeline
Skapa nu en pipeline som inkluderar en slutlig estimator. Detta ger en tränad prediktionspipeline som kan generera förutsägelser för nya instanser med hjälp av metoden .predict()
.
Eftersom en prediktor kräver målvariabeln y
, koda den separat från pipelinen som byggs för X
. Använd LabelEncoder
för att koda målet.
Eftersom förutsägelserna är kodade som 0, 1 eller 2, kan metoden .inverse_transform()
från LabelEncoder
användas för att konvertera dem tillbaka till de ursprungliga etiketterna: 'Adelie'
, 'Chinstrap'
eller 'Gentoo'
.
Swipe to start coding
Använd penguins dataset för att bygga en pipeline med KNeighborsClassifier
som slutlig estimator. Träna pipelinen på datasetet och generera prediktioner för X
.
- Koda variabeln
y
. - Skapa en pipeline som innehåller
ct
,SimpleImputer
,StandardScaler
ochKNeighborsClassifier
. - Använd strategin
'most_frequent'
medSimpleInputer
. - Träna objektet
pipe
med hjälp av funktionernaX
och målety
.
Lösning
Tack för dina kommentarer!
single
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Can you show me how to use LabelEncoder for the target variable?
What is a final estimator in a pipeline?
How do I use the trained pipeline to make predictions?
Awesome!
Completion rate improved to 3.13
Utmaning: Skapa en Komplett ML-Pipeline
Svep för att visa menyn
Skapa nu en pipeline som inkluderar en slutlig estimator. Detta ger en tränad prediktionspipeline som kan generera förutsägelser för nya instanser med hjälp av metoden .predict()
.
Eftersom en prediktor kräver målvariabeln y
, koda den separat från pipelinen som byggs för X
. Använd LabelEncoder
för att koda målet.
Eftersom förutsägelserna är kodade som 0, 1 eller 2, kan metoden .inverse_transform()
från LabelEncoder
användas för att konvertera dem tillbaka till de ursprungliga etiketterna: 'Adelie'
, 'Chinstrap'
eller 'Gentoo'
.
Swipe to start coding
Använd penguins dataset för att bygga en pipeline med KNeighborsClassifier
som slutlig estimator. Träna pipelinen på datasetet och generera prediktioner för X
.
- Koda variabeln
y
. - Skapa en pipeline som innehåller
ct
,SimpleImputer
,StandardScaler
ochKNeighborsClassifier
. - Använd strategin
'most_frequent'
medSimpleInputer
. - Träna objektet
pipe
med hjälp av funktionernaX
och målety
.
Lösning
Tack för dina kommentarer!
Awesome!
Completion rate improved to 3.13single